ICP मैचों की गुणवत्ता कैसे निर्धारित करें?


14

में स्लैम फ़्रंटएंड्स जो Iterative निकटतम प्वाइंट (आईसीपी) दो मिलान बिंदु बादलों के बीच सहयोग की पहचान के लिए एल्गोरिथ्म का उपयोग करें, आप कैसे तय कर सकते हैं अगर एल्गोरिथ्म एक स्थानीय न्यूनतम और रिटर्न एक गलत परिणाम में फंस गया है?

समस्या को दो बिंदुओं के मिलान के रूप में परिभाषित किया गया है जो दोनों कुछ मनमाना सतह संरचना के नमूने हैं, और नमूना क्षेत्रों में 0-100% का ओवरलैप है जो अज्ञात है। मुझे पता है कि छंटनी की गई आईसीपी संस्करण, ओवरलैप को निर्धारित करने की कोशिश कर रही है, लेकिन यह भी एक स्थानीय न्यूनतम में फंस सकती है।

एक भोली दृष्टिकोण की पहचान बिंदु जोड़े की औसत वर्ग त्रुटि देखने के लिए होगी। लेकिन नमूने के कुछ अनुमान के बिना यह एक जोखिम भरा थ्रेशोल्ड लगता है। लीका चक्रवात के लिए मैनुअल में वे जोड़ी त्रुटि हिस्टोग्राम के मैनुअल निरीक्षण का सुझाव देते हैं। अगर इसमें गाऊसी आकार है तो फिट अच्छा है। अगर वहाँ एक रैखिक गिरावट बंद मैच शायद बुरा है। यह मेरे लिए प्रशंसनीय लगता है, लेकिन मैंने इसे एक एल्गोरिथ्म में कभी नहीं देखा है।


जैकब, क्या आप कभी इस के अंत तक पहुंचे? इसी तरह की समस्या का सामना करना, प्रक्रिया में आपने जो सीखा है उसे सुनना अच्छा लगेगा।
अगस्त

नहीं, जहां तक ​​मेरा सवाल है यह अभी भी खुला है।
जैकब

जवाबों:


2

अधिकांश सीधी ICP पद्धतियां एक Least-Squares प्रकार के दृष्टिकोण का उपयोग करती हैं। यह एक सामान्य और सबसे आसान मॉडल है जब एक गाऊसी त्रुटि मॉडल बिंदु क्लाउड डेटा को दूषित करता है। इस मामले में ICP एल्गोरिथम का सबसे कम वर्गीय फिटिंग घटक अनुमानित विचरण के साथ इसके समाधान मापदंडों के लिए एक गाऊसी त्रुटि मॉडल का उत्पादन करता है।

यही है, यदि आपके पास मिलान के बाद त्रुटि की पहुंच है, तो आप अपने ट्रांसफॉर्म के मापदंडों पर गॉसियन त्रुटि का अनुमान लगा सकते हैं उसी तरह आप किसी अन्य रैखिक प्रतिगमन में त्रुटि का अनुमान लगा सकते हैं।


कम से कम वर्ग त्रुटि पर एक दहलीज का उपयोग करना था जो मैं प्रश्न में उल्लेख कर रहा था। मैंने इसे अनुप्रयोगों में भी इस्तेमाल किया, लेकिन यह एक बहुत ही भंगुर पैरामीटर की तरह लग रहा था, जो काफी विशिष्ट / पर्यावरण विशिष्ट है।
जैकब

1

यदि आपके पास उपलब्ध अन्य सेंसर से कुछ जानकारी उपलब्ध है (जैसे पहिया एनकोडर से ओडोमेट्री) तो आप इसका उपयोग तब कर सकते हैं जब कठोर शरीर परिवर्तन जो कि लेजरस्कैनर का सुझाव है, वह बहुत दूर है।

याद रखें कि लंबे ट्रैन्ज़ैरीज़ पर ओडोमेट्री पथ जमीनी सच्चाई से अलग है, लेकिन स्थानीय रूप से यह बहुत सटीक है।

पुनश्च। यह काफी दिलचस्प सवाल है तो हमें बताएं कि आपने वास्तव में समस्या को हल करने के मामले में यह कैसे किया।


0

मुझे लगता है कि सबसे अच्छा तरीका एक डेटा सेट का उपयोग करना होगा जिसमें एक जमीनी सच्चाई है। साहित्य में जो डेटा सेट सबसे अधिक उद्धृत किया जाता है, उसे "आरजीबी-डी एसएलआर सिस्टम के मूल्यांकन के लिए एक बेंचमार्क" पेपर में वर्णित किया गया है। वे जमीनी सच्चाई के साथ आपके मुद्रा अनुमान परिणाम की तुलना करने के लिए कुछ मैट्रिक्स का भी वर्णन करते हैं। उम्मीद है की यह मदद करेगा। खुश कोडिंग।


अरे, जवाब के लिए धन्यवाद, हालांकि काफी नहीं मैं क्या देख रहा था। मैं मैच की गुणवत्ता को जानने में दिलचस्पी रखता हूं जब कोई जमीनी सच्चाई उपलब्ध नहीं होती है। यह आईसीपी परिणामों को खारिज करने के लिए प्रासंगिक है।
जैकब
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.